- •В.А. Павский
- •Оглавление
- •Часть 1. Понятие случайного события и его вероятности……..9
- •Часть 2. Случайные величины и функции распределения…….52
- •Часть 3. Предельные теоремы…………………………………………….130
- •Часть 4. Элементы математической статистики………………..141
- •Введение
- •Часть 1. Понятие случайного события и его вероятности
- •Операции над событиями
- •Кроме того, если выполнено условие
- •Следствия из аксиом
- •Из определения сразу следует, что
- •Элементы комбинаторики
- •Пример 5. Сколько существует размещений с повторениями при выборкеkшаров изn?
- •1.3 Вычисление вероятностей событий
- •1.3.1 Классический метод вычисления вероятностей
- •Пример.Поnящикам случайно распределяютсяnшаров. Считая, что ящики и шары различимы, найти вероятности следующих событий:
- •1.3.2 Геометрический метод вычисления вероятностей
- •1.3.3 Статистическое определение вероятности
- •1.3.4 Условная вероятность
- •Произвольны, причем рв.
- •Формула (6) считается определением, ниоткуда не выводится и является отражением здравого смысла. Поясним это на примере геометрического изображения событий (рис. 3).
- •Теорема умножения.ПустьА,в,тогда
- •1.4 Формула полной вероятности и формула Байеса (Bayes) Формула полной вероятности
- •Применяя теорему умножения получим
- •Применяя (9), получим
- •Формула Байеса
- •Вероятности ,, называютапостериорнымивероятностями гипотезВk, поскольку оценка происходит после того, как событиеАпроизошло.
- •1.5 Независимые испытания
- •1.6 Локальная теорема Муавра – Лапласа
- •Интегральная теорема Муавра-Лапласа
- •Функция - табулирована, ее значения приведены в табл. 4 приложения.
- •Сравнивая решение задачи п.1.5. А), б), можно предположить, что, так как – наивероятнейшее число, с большой вероятностью реализуется событие40k60, с центром в точкеk0:
- •1.8 Формула Пуассона
- •Часть 2. Случайные величины и функции распределения
- •Например, к дискретным случайным величинам относятся:
- •Свойства функции распределения.
- •Свойства плотности
- •Примеры основных распределений
- •2.1 Числовые характеристики случайных величин
- •2.1.1 Математическое ожидание, мода, медиана
- •Моменты
- •Свойства дисперсии
- •2.2 Вычисление числовых характеристик стандартных распределений
- •1. Биномиальное распределение.
- •Приложения нормального распределения
- •2.3 Функции от случайных величин
- •2.3.1 Функции от одного случайного аргумента
- •2.3.2 Многомерные случайные величины
- •2.3.3 Условные законы распределения
- •2.3.4 Моменты многомерных случайных величин
- •Свойства коэффициента корреляции
- •2.3.5 Случайные процессы
- •2.3.5.1 Марковские процессы
- •2.3.5.2 Непрерывные цепи Маркова
- •2.3.5.3 Потоки событий
- •2.3.6 Основы теории массового обслуживания
- •Часть 3. Предельные теоремы
- •Вместо (111), часто используют неравенство
- •3.1 Закон больших чисел
- •3.2 Центральные предельные теоремы
- •Часть 4. Элементы математической статистики
- •4.1 Оценка функций распределения
- •Свойства эмпирической функции распределения
- •4.2 Точечные оценки неизвестных параметров законов распределения
- •Итак, пусть имеем выборку (122). Для оценки математического ожидания
- •4.3 Доверительный интервал
- •Окончательно
- •4.4 Проверка статистической однородности
- •Заключение
- •Обозначения
- •Приложение
- •Значения некоторых числовых величин
- •Продолжение таблицы 5
- •Продолжение таблицы 7
- •Библиографический список
Свойства плотности
Свойство 1.. (23)
Доказательство. Проверим свойства 1)-5) функции распределения.
Пусть (х) - плотность, тогда(х), отсюда
(х1 х2)
непрерывность слева следует либо из непрерывности (х), либо из ее кусочной непрерывности с разрывами первого рода;
следует из существования интеграла на действительной оси;
F(-) =;
F(+) = 1, из определения.
Свойство 2.. (24)
Для доказательства достаточно продифференцировать (23) по переменному верхнему пределу.▼
Учитывая (23) и (24), функцию распределения называют интегральной, а плотностьдифференциальнойхарактеристикой случайной величины.
Плотность имеет смысл для такой случайной величины, функция распределения которой дифференцируема; обычно, это непрерывная случайная величина. Функция распределения - это вероятность, и по определению безразмерна. Для плотности, как следует из формулы (24), размерность обратна размерности случайной величины. Физически, плотность характеризует мгновенное изменение случайной величины в точке х.
Для дискретной случайной величины понятие плотности лишено смысла, поскольку, как видно из примера для индикатора, она либо равно нулю, либо имеет бесконечное изменение в точке разрыва.
Отметим некоторые полезные свойства функции распределения и плотности:
1) ,
2) ,
Рхх+dx = (х)dx,
Р=а= F (a+0) – F(a-0),
Ра = F (a +0 ).
Упражнение. Доказать свойства 1 – 5.
Примеры основных распределений
Пример 1. Пусть случайная величинаесть число появлений событияАвnнезависимых испытаниях (вероятность появления события А в любом испытании равнар). Построить функцию распределения.
Решение.Рассмотрим событиех~,хR.
По условию, если , то полагаем,F(x)=0 длях0. , для 0х n, иF(x) = 1, дляхn. Таким образом,
(25)
График функции имеет ступенчатый вид (рис.7):
Рис. 7
Из графика видно, что свойства 1) – 5) выполняются. Величину скачка функции в точке х=kнаходим из равенства
.
Пример 2. Будем говорить, что случайная величинаимеет распределение Пуассона, если ее функция распределения имеет вид:
(26)
Свойства 1)- 4) очевидны. Проверим 5):
.
Рис. 8
Величина скачка в точке х=kравна,. Число разрывов счетно. График функции представлен на рис. 8.
Пример 3. Будем говорить, что случайная величинаравномерно распределена на (а,в], если ее функция распределения имеет вид:
(27)
Плотность равномерного распределения
(28)
Рис. 9
Из графиков (рис.9) видно, что значение есть площадь (интеграл) области, ограниченной справа прямойх =х0.
Пример 4. Случайная величинараспределена нормально, если ее функция распределения имеет вид:
,
а плотность
,>0,a–const.
Свойства функции распределения 1 - 4 очевидны. Проверим свойство 5.
=интеграл Пуассонаℑ = =.
Схематично график плотности (рис. 10) имеет вид:
Рис. 10
Постоянная ахарактеризует сдвиг функции(x) по оси ОХ относительно начала координат, а- меру «сжатости» кривой около центра в точкех=а .
Пример 5. Случайная величинаимеет показательное (экспоненциальное) распределение, если ее функция распределения определяется по формулой
(29)
Если х– интерпретировать как время, то функция распределения будет иметь вид (рис. 11):
Рис. 11
Это распределение играет важную роль в технике и носит название функции надежности, - интенсивность с размерностью обратной времени [1].
Плотность , ее график функции имеет вид (рис. 12):
Рис. 12